-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
防疫期間 門市僅限取書, 不開放參觀
並提早到6點打烊, 星期日公休
7/27 新書到! 7/20 新書到! 7/14 新書到! 7/6 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

從0到1 TensorFlow編程手記

( 簡體 字)
作者:周倩,馮高峰,賈連芹類別:1. -> 程式設計 -> 深度學習
譯者:
出版社:電子工業出版社從0到1 TensorFlow編程手記 3dWoo書號: 54016
詢問書籍請說出此書號!

缺書
NT定價: 395
折扣價: 371

出版日:1/1/2021
頁數:216
光碟數:0
站長推薦:
印刷:語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121404504
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

人工智能(Artificial Intelligence,AI)最早出現在20世紀50年代,以感知機(第一代神經網絡)、專家系統為典型代表。1980—2005年是第二代神經網絡的發展時期和統計學習方法的“春天”。深度學習出現于2006年,并于2012年迎來了爆發期。2012年,Hinton課題組為了證明深度學習的潛力,首次參加了ImageNet圖像識別比賽,并憑借自己構建的卷積神經網絡(CNN)AlexNet一舉奪得冠軍,該方法在性能上碾壓排在第二名的SVM方法。也正是由于這次比賽,CNN引起了眾多研究者的注意。CNN可以代替人工提取特征,用于圖像分類識別。
深度學習火熱發展的重要原因之一就是,人們把提取特征的工作交給了人工神經網絡,讓“人工智能”更多地代替人工。軟件算法的突破伴隨著硬件升級,兩者共同推動人工智能在各個領域的滲透,形成各種“AI+”領域應用,如AI+家居、AI+零售、AI+交通、AI+診療、AI+教育、AI+物流、AI+安防等。
如今,以人工智能為代表的第四次工業革命已經到來,相關的創新應用為人們的工作和生活帶來了巨大的便利。與此同時,人工智能應用程序的開發門檻大大降低。谷歌推出的TensorFlow是目前主流的深度學習框架,本書以TensorFlow為切入點,介紹人工智能的基本思想和編程實現。基于TensorFlow靈活的架構,用戶可以在多種平臺上展開相關計算。從名稱即可看出TensorFlow的基本原理:Tensor(張量)代表數組,圖像、語音等數據都能用張量的形式表示;Flow(流)代表基于數據流圖的計算。TensorFlow的工作過程就是將圖像、語音等以張量的形式傳輸至人工神經網絡中進行分析和處理的過程。
本書由周倩負責第1、4、5章的編寫,馮高峰負責第2、3、6章的編寫,賈連芹負責第7、8章的編寫。圖書從TensorFlow環境搭建入手,逐步介紹如何用TensorFlow進行線性回歸模型、卷積神經網絡的搭建、訓練和預測,涉及PC、Android移動終端、樹莓派等平臺。本書內容由淺入深,旨在揭開TensorFlow神秘的面紗,探索人工智能的奧秘。


編 者
內容簡介:

大部分TensorFlow教材應用案例少,理論講解比較概括,學生數學基礎薄弱,對人工神經網絡較難入門。本教材介紹TensorFlow的發展和特點后,通過案例詳細介紹TensorFlow的使用,著重細致地講解學生學習中遇到的難點,比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學生逐層遞進地掌握TensorFlow,最后將模型移植到安卓移動終端,隨時隨地感受人工智能的魅力。


目錄:

第1章 初識TensorFlow
1.1 場景導入 2
1.2 人工智能的發展歷程 3
1.2.1 早期人工智能階段 4
1.2.2 機器學習階段 4
1.2.3 深度學習階段 5
1.3 TensorFlow簡介 6
1.4 Anaconda的安裝和使用 7
1.4.1 安裝Anaconda 7
1.4.2 使用Anaconda 13
1.5 在Windows 10系統中安裝PyCharm 15
1.6 在Windows系統中安裝TensorFlow CPU版 20
1.6.1 創建和激活環境 20
1.6.2 解決錯誤 23
1.7 在PyCharm中使用Anaconda的環境 24
1.7.1 新建和配置項目 24
1.7.2 再次查看項目配置 27
1.7.3 運行案例代碼 28
1.8 在Windows系統中安裝Python版OpenCV 29
1.8.1 激活環境并安裝OpenCV 29
1.8.2 PyCharm配置 30
1.8.3 OpenCV代碼測試 31
第2章 深入了解TensorFlow
2.1 認識TensorFlow數據流圖 34
2.1.1 數據流圖簡介 34
2.1.2 實現數據流圖 35
2.1.3 數據流圖代碼解析 35
2.2 TensorBoard的使用 37
2.2.1 TensorBoard的啟動 37
2.2.2 TensorBoard界面介紹 40
2.3 TensorFlow張量思維 42
2.3.1 什么是張量 42
2.3.2 用Numpy定義張量 43
2.3.3 張量的形狀 44
2.4 TensorFlow中張量的幾種形式 47
2.4.1 常量 47
2.4.2 變量 48
2.4.3 占位符 51
第3章 機器學習入門
3.1 機器學習的基本步驟 54
3.2 泰坦尼克號案例 55
3.2.1 泰坦尼克號事件 55
3.2.2 泰坦尼克號案例數據集 56
3.2.3 訓練數據集預處理 58
3.2.4 測試數據集預處理 60
3.2.5 搭建神經網絡 60
3.2.6 進行訓練 62
3.2.7 進行預測并可視化 62
3.3 MNIST手寫數字識別案例 64
3.3.1 數據集簡介 64
3.3.2 加載MNIST數據集 65
3.3.3 構建網絡模型 66
3.3.4 訓練模型 68
3.3.5 測試模型 68
3.3.6 矩陣乘法和加法規則 70
3.4 機器學習相關概念詳解 72
3.4.1 線性回歸模型 73
3.4.2 激活函數 73
3.4.3 交叉熵 75
3.4.4 梯度下降法 77
第4章 深度學習之圖像分類
4.1 卷積神經網絡 80
4.1.1 卷積神經網絡簡介 80
4.1.2 卷積 81
4.2 卷積神經網絡的基本結構 86
4.2.1 卷積層 87
4.2.2 大池化層 93
4.3 樹葉識別案例 95
4.3.1 樣本集簡介 95
4.3.2 卷積層 96
4.3.3 池化層 98
4.3.4 全連接層 100
4.3.5 正則化 103
4.3.6 其他部分的代碼 106
第5章 TensorFlow Lite
5.1 概述 115
5.2 如何使用TensorFlow Lite 116
5.2.1 使用步驟 116
5.2.2 模型格式 117
5.2.3 模型格式轉換 117
5.2.4 模型格式轉換完整代碼 118
5.3 樹葉識別案例 119
5.3.1 功能和界面設計 119
5.3.2 Android Studio配置 121
5.3.3 調用模型 123
5.3.4 使用模型 124
5.3.5 添加交互功能 125
5.4 “你畫我猜”案例 127
5.4.1 功能和界面設計 127
5.4.2 添加模型并配置項目 129
5.4.3 調用模型 130
5.4.4 使用模型 131
5.4.5 其他部分的代碼 131
第6章 TensorFlow的樹莓派應用
6.1 嵌入式人工智能 138
6.1.1 概述 138
6.1.2 樹莓派簡介 138
6.2 樹莓派準備工作 139
6.2.1 安裝操作系統 139
6.2.2 配置網絡 145
6.2.3 安裝VNC Viewer 145
6.2.4 安裝TensorFlow 147
6.2.5 安裝OpenCV 148
6.2.6 連接攝像頭 151
6.2.7 安裝tqdm庫 154
6.3 基于樹莓派的人臉識別案例 155
6.3.1 MTCNN人臉識別模型 155
6.3.2 下載并運行人臉識別程序 157
第7章 Keras案例
7.1 Keras簡介 161
7.2 基于Keras的Fashion-MNIST案例 162
7.2.1 Fashion-MNIST數據集簡介 162
7.2.2 下載和加載Fashion-MNIST數據集 164
7.2.3 搭建網絡 165
7.2.4 編譯、訓練和評估模型 167
序: